Publicité

Hiérarchiser les radiographies thoraciques pathologiques à l'aide du Deep Learning

22/01/2019
De Bruno Benque avec RSNA

Selon une étude parue dans la revue Radiology, un système de Deep Learning peut  hiérarchiser les radiographies thoraciques pathologiques, réduisant potentiellement le délai de consultation des examens par les radiologues. Un système de détection des mots clés dans les comptes rendus a été utilisé dans cette étude. 

Les radiographies thoraciques représentent 40% de l’imagerie diagnostique dans le monde. Ce volume peut créer des arriérés importants dans les établissements de santé. Au Royaume-Uni, on estime à environ 330 000 le nombre d'examens de routine qui ont attendu plus de 30 jours pour recevoir un compte rendu.

Réduire les délais d'attente de résultats pour les radiographies pathologiques

"Il n’existe actuellement aucun moyen systématique et automatisé de trier les radiographies pulmonaires et de classer celles qui présentent des résultats critiques et urgents au sommet de la pile du radiologue", déclare le Dr Giovanni Montana, anciennement du King's College London. à Londres et actuellement à l’Université de Warwick à Coventry, en Angleterre et co-auteur d'une étude sur ce thème parue dans la Revue Radiology. Un outil de Deep learning (DL) a été proposé comme moyen automatisé de réduire cet arriéré et d'identifier les examens qui méritent une attention immédiate, en particulier dans les systèmes de soins de santé financés par des fonds publics.

Des images classées à partir des mots clés tirés des comptes rendus

Pour l’étude, le professeur Montana et ses collègues ont utilisé 470 388 radiographies thoraciques anonymisées d’adultes afin de mettre au point un système d’IA permettant d’identifier les principaux résultats. Les comptes rendus radiologiques ont été pré-traités à l'aide du Natural Language Processing (NLP), un algorithme qui extrait les mots clés à partir de texte écrit. Pour chaque radiographie, le système interne de recherche avait besoin d’une liste de mots clés indiquant les anomalies spécifiques visibles sur l’image. "Le NLP va bien au-delà de l’identification de modèles, poursuit le Dr Montana. Il utilise des techniques d'IA pour déduire la structure de chaque phrase écrite. Par exemple, il identifie la présence de résultats cliniques, les localisations anatomiques et de leurs relations. Le développement du système de NLP pour l'étiquetage à grande échelle des radiographies thoraciques a été une étape cruciale dans notre étude. »

Une réduction significative des délais d'attente

Le NLP a analysé le compte rendu radiologique afin de hiérarchiser chaque image comme critique, urgente, non urgente ou normale. Un système d'IA pour la vision par ordinateur a ensuite été formé à partir d'images de radiologiques étiquetées afin de prédire la priorité clinique. Les chercheurs ont testé les performances du système en matière de hiérarchisation dans une simulation analysant un ensemble indépendant de 15 887 images. Le système d'IA distinguait les radiographies thoraciques anormales des normales avec une grande précision. Les simulations ont montré que les résultats critiques pouvaient être traités par un radiologue au bout de 2,7 jours en moyenne avec s'il était aidé par l'IA, contre 11,2 jours en moyenne en pratique classique.

Vers un système de génération automatisé de phrases pour les interprétations ?

"Les premiers résultats rapportés ici sont intéressants, car ils démontrent qu’un système d’IA peut être formé avec succès à l’aide d’une très grande base de données radiologiques de routine, remarque le Dr Montana. Avec une validation clinique plus poussée, cette technologie devrait permettre de réduire considérablement la charge de travail d'un radiologue en détectant tous les examens normaux, de sorte que l'on puisse consacrer plus de temps à ceux qui détectent une pathologie." Les chercheurs envisagent d'étendre leurs recherches à une taille d'échantillon beaucoup plus grande et de déployer des algorithmes plus complexes pour de meilleures performances. Les objectifs de recherche futurs comprennent notamment une étude multicentrique visant à évaluer de manière prospective les performances du logiciel de tri.

"Une étape majeure de cette recherche consistera en la génération automatisée de phrases décrivant les anomalies radiologiques observées sur les images, conclut le Dr Montana. Cela semble un objectif réalisable."

SUR LE MÊME THÈME

Abonné(e)

Une prise en charge pluridisciplinaire du cancer de l'ovaire

Détecter le cancer de l’ovaire plus tôt fait partie des objectifs de la communauté scientifique pour en améliorer le pronostic. Dans un article publié dans la Revue European Radiology, le référentiel IRM O-RADS est présenté comme la base de la stratification du risque pour cette pathologie. Une pris...

12/05/2025 -

Abonné(e)

Covid-19 : quel impact sur les patients atteintes de BPCO et de cancer du poumon ?

Que pouvons-nous retirer de l’expérience de la pandémie de Covid-19 pour les patients atteints de pathologies respiratoires ? Un travail de l’IRDES sur les patients atteints de BPCO et de cancer pulmonaire durant cette période fait état de taux de mortalité élevés pour les patients atteints de BPCO...

02/05/2025 -

Des gènes responsables d'effets secondaires après radiothérapie de la prostate

La radiothérapie dispensée pour le cancer de la prostate est responsable d’effets secondaires urinaires à long terme. C’est ce que rapporte l’essai PROTOX, qui identifie des caractéristiques génétiques qui favoriseraient ces effets secondaires. Une étude récente publiée dans Clinical Cancer Research...

09/04/2025 -

Un logiciel d'IA taillé pour le dépistage du cancer du poumon par TDM low dose

Median Technologies a publié, le 31 Mars 2025, les résultats finaux de l’étude pivot RELIVE, qui confirment et complètent les premiers résultats annoncés le 3 Février 2025 à propos d’eyonis™, une suite de logiciels dispositifs médicaux basés sur l’IA pour le diagnostic précoce du cancer.

03/04/2025 -

Un nouveau marché d'échographes est proposé par UniHA

La plateforme d’achat de dispositifs médicaux UniHA vient de renouveler son marché de prestations concernant le parc d’échographes. Il s’agit de proposer aux hôpitaux une solution permettant aux établissements de santé de bénéficier d’équipements adaptés à leurs besoins spécifiques.

17/03/2025 -

Abonné(e)

L'IA en imagerie thoracique nécessiterait une redéfinition du rôle des radiologues

L’imagerie thoracique à la pointe de l’intelligence artificielle. C’est le message que font passer des chercheurs coréens dans un article publié dans la Revue Radiology. Ils listent les applications de cette technologie, comme l’interprétation assistée par l’IA et dépistage opportuniste des maladies...

07/03/2025 -

Abonné(e)

Adénocarcinome : prévoir la survie globale et la récidive sans survie par TDM

Dans une étude publiée dans l'American Journal of Roentgenology (AJR), le temps de doublement du volume des adénocarcinomes pulmonaires réséqués a fait l’objet d’un travail approfondi. Les chercheurs ont indiqué qu’une période de moins de 200 jours était significativement corrélée à la fois à la sur...

18/02/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.